سهیلا فرهمندفرجادرشتی - گروه حسابداری، واحد علوم و تحقیقات ایلام، دانشگاه آزاد اسلامی ایلام، ایران. گروه حسابداری، واحد ایلام، دانشگاه آزاد اسلامی ایلام، ایران
رحمت اله محمدی پور - گروه حسابداری، واحد ایلام، دانشگاه آزاد اسلامی ایلام، ایران گروه حسابداری، واحد علوم و تحقیقات ایلام، دانشگاه آزاد اسلامی ایلام، ایران.
رامین صیادی - گروه برق، واحد علوم و تحقیقات ایلام، دانشگاه آزاد اسلامی ایلام، ایران.گروه برق، واحد ایلام، دانشگاه آزاد اسلامی ایلام، ایران.

پیش بینی سود هر سهم و تغییرات آن، یک رویداد اقتصادی است که از دیر باز مورد علاقه سرمایه گذاران، مدیران، تحلیل گران مالی، محققان و اعتبار دهندگان بوده است؛ دقت در پیش بینی یکی ازمهمترین عوامل موثر در انتخاب روش مناسب است. در دهههای اخیر روش های متعددی برای پیشبینی سود هر سهم ارائه شده است که از دقت چندانی برخوردار نیستند. لذا تعیین بهترین روش برایپیش بینی از ضروریات پیش روی محققین میباشد. در این راستا مدلی دقیق برای پیش بینی سود هر سهم در شرکت های پذیرفته شده در بازار بورس اوراق بهادار تهران در بازه زمانی 1333 لغایت 332 و با استفاده از اطلاعات 33 شرکت، بر اساس ترکیب شبکه عصبی از نوع پرسپترون چند لایه ) MLP ( با الگوریتم پس انتشار خطا طراحی گردید و نتایج آن با مدل سری زمانی ARIMA مورد مقایسه قرار گرفت. یافته های پژوهش نشان میدهد که روش شبکه عصبی ترکیب شده با الگوریتم پس انتشار خطا نسبت به مدل سری زمانی مدل ARIMA ، از دقت بالاتری برای پیش بینی برخوردار بوده است

سود هر سهم، شبکه های عصبی، پرسپترون چند لایه MLP، الگوریتم پس انتشارخطا BP، سری زمانی ARIMA